2021 · 会议论文
Asteria：基于深度学习的抽象语法树编码，用于跨平台二进制代码相似性检测
Asteria: Deep Learning-based AST-Encoding for Cross-platform Binary Code Similarity Detection
ASTERIA 使用 Tree-LSTM 编码函数的抽象语法树，以比较不同平台上的二进制函数。论文评估了函数对的相似性检测，并将其用于物联网固件漏洞搜索。
研究范围与局限
模型使用 1,022,616 对函数训练，并在 95,078 对函数上评估。跨平台范围涉及不同的物联网架构；固件搜索在 5,979 个镜像中识别出 75 个存在漏洞的函数。
与本合集的关联
论文研究二进制函数相似性检测及物联网固件中的漏洞搜索，属于逆向工程相关研究。
发表与复核详情
- 发表载体
- 2021 51st Annual IEEE/IFIP International Conference on Dependable Systems and Networks (DSN)
- 发表状态
- 会议论文
- 出版／提交日期
- 2021 年 6 月
- 日期依据
- arXiv 所列 DOI 的 Crossref 记录中的发表日期。
- arXiv 首次提交
- 2021 年 8 月 13 日
- arXiv
- 2108.06082
- 已复核的 arXiv 版本
- v1
- DOI
- 10.1109/dsn48987.2021.00036
DOI 来自 arXiv 记录，发表场所和日期来自 Crossref。
来源复核于
已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。